Prism Coder

Prism Coder

Dê ao seu agente de IA memória que dura. Sessões persistentes, grafos de conhecimento e roteamento de ferramentas offline — totalmente local e gratuito.

O Prism Coder é um servidor MCP que dá ao Claude, Cursor e outras ferramentas de IA memória de longo prazo que sobrevive entre sessões. Ele vem com a família de modelos de peso aberto prism-coder (2B–27B) para roteamento de ferramentas rápido e offline — sem necessidade de nuvem.

Sem conta necessária. Sem chaves de API. Roda na sua máquina.
Uma assinatura paga adiciona sincronização em nuvem, níveis de modelo superiores e recursos de equipe através do portal Synalux.

O que o Prism oferece

• Memória de sessão que sobrevive a reinicializações — retome projetos com notas de handoff, trabalho recente, TODOs abertos e contexto rápido, padrão ou profundo configurável.
• Inferência local-first — trabalho limitado é roteado primeiro por modelos Ollama locais, com seleção automática 2B/4B/9B/27B com base nos modelos instalados, RAM disponível, ajuste de contexto e direitos de assinatura.
• Imposição de saída de roteamento — o modo de roteamento retorna apenas chamadas bem formadas para ferramentas que o host realmente anunciou. Planos Standard e superiores podem adicionar correção determinística autenticada; route_guard: "local" mantém o prompt e o rascunho inteiramente no dispositivo.
• Uma configuração para cada agente — prism connect configura Claude Code, Claude Desktop, Cursor, Gemini CLI e Codex preservando configurações não relacionadas.
• Habilidades cientes de assinatura — habilidades autorizadas são sincronizadas antes do host iniciar, com upgrades seguros, downgrades, preservação de conflitos e recuperação offline da última versão boa.
• Inicialização sem hooks — metadados MCP e instruções nativas solicitam o contexto de inicialização do Prism sem exigir hooks de ciclo de vida ou um launcher de propriedade do Prism.
• Escalonamento seguro e observabilidade — resultados de inferência são explícitos, conteúdo reservado permanece fail-closed, e uso local/nuvem é registrado para revisão.

Comece

npm install -g prism-mcp-server
prism connect

Use prism connect --dry-run para pré-visualizar alterações, prism connect --all para configurar cada host detectado, ou prism connect --refresh para reconciliar entradas gerenciadas pelo Prism após um upgrade. Reinicie o host após conectar.

O Prism funciona localmente sem conta, chave de API ou assinatura em nuvem. Adicione uma assinatura Synalux quando quiser memória em nuvem, habilidades de nível pago ou recursos de equipe.

Instalar como plugin

O Prism também é distribuído como plugin, que registra o servidor MCP e a habilidade de inicialização para você.

Claude Code — do marketplace da comunidade:

/plugin marketplace add anthropics/claude-plugins-community
/plugin install synalux-prism@claude-community

Codex — este repositório é em si um marketplace de plugins:

codex plugin marketplace add dcostenco/prism-coder
codex plugin add synalux-prism@prism

O plugin registra prism-mcp via npx -y prism-mcp-server. Se você já configurou o Prism manualmente — prism connect escreve uma entrada mcp_servers.prism-mcp — você tem esse servidor duas vezes sob a mesma chave. Instale o plugin ou execute prism connect, não ambos.

O que prism connect muda sobre subagentes do host

connect direciona trabalho limitado para prism_infer na sua máquina em vez de agentes gerados pelo host. O que ele escreve difere por host, e não desativa subagentes em todos os lugares — Claude Code os mantém e é apontado para um modelo econômico. Os workers locais do Prism permanecem disponíveis via MCP em todos os casos.

Duas coisas que vale a pena saber:

• experimental é o namespace do Gemini, não nosso. O Prism não está habilitando nada experimental — ele escreve false em uma flag que o Gemini já define nesse caminho. Escrever em qualquer outro lugar não teria efeito.
• Esse namespace é por definição temporário. Se o Gemini promover enableAgents para fora de experimental, o Prism continua escrevendo o caminho antigo, o Gemini lê o novo, e os subagentes do host silenciosamente voltam a ligar. Nada gera erro e o arquivo de configurações ainda parece correto. Se você vir subagentes do host rodando enquanto enableAgents lê false, verifique se a chave mudou antes de assumir que connect falhou ao escrevê-la.

Ambas as escritas são idempotentes no sentido de que um host já configurado dessa forma é deixado intocado — mas elas são reaplicadas a cada execução de prism connect, não apenas em --refresh. Se você deliberadamente reabilitar subagentes do host, a próxima connect os desligará novamente. Mantenha-os ligados não executando connect novamente, ou reabilitando após cada execução.

[SOURCE 1: ledger:8286581d (recorded 2025-05-29, 431 days ago)]

Início Rápido

O nível gratuito não precisa de conta, chave de API ou nuvem. Instale o Prism e registre-o com todos os hosts MCP suportados já instalados na sua máquina:

npm install --global prism-mcp-server
prism connect

prism connect detecta Claude Code, Claude Desktop (macOS/Windows/Linux), Cursor, Gemini CLI e Codex. Use prism connect --all para segmentar todos os cinco, --host <name> para um único host, ou --dry-run para visualizar os arquivos que seriam alterados. Entradas existentes de prism e prism-mcp nunca são sobrescritas por padrão. --refresh atualiza apenas uma entrada criada anteriormente pelo Prism; entradas personalizadas permanecem intactas. Para Claude Code, tanto o comando padrão quanto --refresh também removem a entrada legada de escopo de projeto npx -y prism-mcp-server exata do .mcp.json ancestral efetivo após o registro nativo do usuário ser bem-sucedido. Nenhuma entrada de projeto personalizada ou de correspondência aproximada é alterada. Feche os hosts MCP de destino antes de um registro que não seja de simulação (dry-run) para que eles não possam editar sua configuração ao mesmo tempo.

A mesma conexão instala o contrato de orquestração local-first:

Todos os cinco recebem PRISM_AGENT_POLICY=local-first em sua entrada MCP gerenciada do Prism. Tarefas rotineiras usam o worker local com consciência de RAM; a distribuição nativa/em segundo plano não é o fluxo de trabalho padrão. session_task_route fornece uma dica de complexidade; prism_infer permanece o único proprietário da seleção de modelo e pensamento e pode escolher 27B quando suas portas de viabilidade suportarem isso.

Defina PRISM_STORAGE antes de executar prism connect para preservar uma escolha explícita de armazenamento nas entradas de host geradas. Isso não altera o roteamento do modelo local; o armazenamento em nuvem Synalux separadamente requer uma autorização ativa de memória em nuvem.

O registro do Codex preserva o conteúdo não relacionado de ~/.codex/config.toml, anexa apenas o bloco MCP do Prism marcado e atualiza apenas as chaves documentadas de recurso/agente local-first. CODEX_HOME é respeitado quando definido e já deve existir, correspondendo ao próprio contrato do Codex. Reinicie o CLI do Codex, a extensão do IDE ou o aplicativo de desktop do ChatGPT após conectar.

Reinicie o host conectado e seu agente agora tem memória apoiada por um banco de dados SQLite local (~/.prism-mcp/data.db). Consulte Configuração do IDE para configuração manual e caminhos específicos do host.

Opcional — frota de modelos local para roteamento de ferramentas offline. Baixe o que couber no seu hardware:

ollama pull dcostenco/prism-coder:2b    # 3.3 GB  · on-device / lowest RAM · sees images (100% on our routing suite)
ollama pull dcostenco/prism-coder:4b    # 3.5 GB  · verifier · sees images (100%)
ollama pull dcostenco/prism-coder:9b    # 6.7 GB  · default router · sees images (95.7%, reasons before answering)
ollama pull dcostenco/prism-coder:27b   # 16.8 GB · complex code / quality · text only (100%)

O Prism detecta automaticamente as tags Ollama com namespace (dcostenco/prism-coder:9b) e sem namespace (prism-coder:9b).

Os níveis 2b/4b/9b carregam uma torre de visão e aceitam capturas de tela por meio de prism_infer({ images: [...] }) — passe caminhos absolutos ou base64. Solicitações de imagem são recusadas em vez de respondidas às cegas quando nenhum nível (ou o classificador de segurança da Camada 1) consegue realmente ver a imagem, então um modelo somente texto nunca recebe um prompt sobre uma captura de tela que nunca recebeu. O 27b é somente texto.

O que faz

Seu agente de IA esquece tudo entre sessões. O Prism corrige isso — e adiciona verificação, detecção de desvio e coordenação multiagente por cima.

Mind Palace — memória persistente que sobrevive entre sessões

Cada conversa alimenta um armazenamento persistente. A próxima sessão carrega o contexto certo automaticamente — sem reexplicar.

O painel mostra o estado atual do seu projeto, TODOs pendentes, saúde da intenção e um grafo de conhecimento neural — tudo construído automaticamente a partir das sessões do seu agente.

Export — leia o registro fora do agente

session_export_memory grava sua memória como arquivos de texto simples que você pode ler, comparar (diff) e commitar. Nada passa por um modelo para produzi-los.

markdown   human-readable — drop it in a PR to show what the agent actually did
json       machine-readable — import into another Prism instance
vault      zipped Markdown with YAML frontmatter and [[wikilinks]] (Obsidian, Logseq)

Esta é a superfície para usar quando você quer responder "o agente verificou isso, ou está afirmando que verificou?" — o export é um registro que você revisa depois, em um diff ou pull request, em vez de uma visão ao vivo que você precisa abrir. Os mesmos dados estão disponíveis nos botões Export ZIP e Export Vault do painel.

Knowledge Graph — busca semântica + por palavras-chave + por grafo

Pergunte "o que decidi sobre o fluxo de autenticação no mês passado?" e obtenha uma resposta com citações, combinando similaridade vetorial, busca de texto completo e travessia de grafo.

Session History — trilha de auditoria imutável

Cada sessão é registrada com arquivos alterados, decisões tomadas e TODOs. Pesquise, filtre e reproduza qualquer sessão passada.

Inference Metrics — veja para onde vão seus tokens

Cada chamada de prism_infer rastreia qual modelo a manipulou (Ollama local vs. nuvem) e quantos tokens foram consumidos. Quando você salva uma sessão, o Prism mostra um resumo:

📊 Inference Metrics (this session):
  Total calls: 12 — Local: 10 (83%) | Cloud: 2 (17%)
  Prompt tokens: 7,840 evaluated / 8,420 submitted est.
  Completion tokens: 3,150
  Cloud tokens saved (est.): 11,570 — token volume handled locally instead of cloud
  Avg latency: 1,240ms
  By model:
    prism-coder:27b: 6 calls, 7,200 tokens, avg 1,800ms
    prism-coder:9b: 4 calls, 2,870 tokens, avg 620ms
    synalux-27b: 2 calls, 1,500 tokens, avg 1,100ms

Cloud tokens saved é a métrica honesta de roteamento — ela acumula apenas quando o Ollama local manipula uma chamada que, de outra forma, iria para a inferência em nuvem Synalux. Uma versão compacta aparece inline após cada 5ª chamada de prism_infer: 📊 local 10 (83%) · cloud 2 (17%) · ~11,570 tok · avg 1,240ms · 11,570 cloud tok saved.

Chamadas locais usam contagens reais de tokens do Ollama (prompt_eval_count / eval_count do Ollama); chamadas em nuvem usam estimativas de char/4. As métricas são rastreadas localmente — sem dependência de portal, sem variáveis de ambiente, funciona offline. Os dados por chamada também são encaminhados ao portal Synalux como análise de melhor esforço (independente da exibição).

Session Drift Detection

Sessões longas de agente podem se desviar do objetivo original. session_detect_drift compara o trabalho atual com o objetivo declarado e retorna on_track / minor_drift / major_drift para que o agente possa se autocorrigir.

Behavioral Verification — evite edições ruins antes que aconteçam

Agentes de IA aplicam padrões de listas de verificação sem entender o impacto no mundo real. A ferramenta verify_behavior desafia o agente com um cenário que ele deve responder antes de editar — forçando-o a pensar sobre o que o usuário final experimentará.

Agent: "I'll revert this kitchen display change"
Prism: "⚠️ Scenario: A cook sees a 3-item ticket. One item is voided.
        What should the cook see after the void?"
Agent: "The ticket stays visible with the remaining 2 items."
Prism: "Correct — your revert would hide the ticket entirely."

17 domínios integrados (cobrança, autenticação, pedidos, clínico, RH e mais). Domínios personalizados por workspace no Enterprise. Sem necessidade de hooks — funciona em qualquer cliente MCP.

Time Travel

Volte para qualquer estado de sessão anterior. Compare diffs entre versões. Restaure um estado bom conhecido com um clique.

Cognitive Routing

Três tipos de memória, classificados automaticamente: episódica (o que aconteceu — logs de sessão, decisões), semântica (o que é verdade — fatos, arquitetura) e procedural (como fazer X — fluxos de trabalho, padrões). Quando você pesquisa, o roteador escolhe o armazenamento certo em vez de despejar tudo.

Multi-Agent Hivemind

Coordene vários agentes de IA trabalhando no mesmo projeto. Cada agente tem sua própria sessão, mas eles compartilham memória por meio do grafo de conhecimento. O Hivemind Radar mostra status do agente, tarefas e atividade em tempo real.

Neural Search

Pesquise em todas as memórias com resultados destacados, edição de grafo de conhecimento e métricas de densidade de memória.

Local-first e privacidade

O nível gratuito roda inteiramente na sua máquina. Os níveis pagos adicionam sincronização em nuvem por meio do portal Synalux, que é o que permite memória entre dispositivos e compartilhamento em equipe.

Manipulação de dados sensíveis. Gravações de memória em nuvem passam por redação automática (SSNs, datas de nascimento, números de prontuário médico, números de telefone, e-mails e identificadores clínicos são removidos antes do armazenamento). Inferência em nuvem e correção de rota enviam a solicitação via TLS para processamento e não a armazenam como memória do Prism; use route_guard: "local" ou o nível local para um isolamento total (air-gap). Enterprise inclui um Contrato de Parceria de Negócios HIPAA.

Modelos

A frota prism-coder usa Qwen3.5 para roteamento de ferramentas MCP E inferência geral. O 9B e o 27B são ajustados (fine-tuned); o 2B e o 4B usam Qwen3.5-4B padrão em diferentes níveis de quantização. O 27B obteve 100% em nossa suíte interna de 115 casos de roteamento de ferramentas e 100% em uma avaliação interna de codificação com 15 problemas, a custo de inferência $0. Estas são avaliações autoexecutadas, não submissões ao ranking BFCL.

prism_infer suporta três modos: route (roteamento de ferramentas, rápido), chat (conversa) e code (geração de código). O raciocínio é decidido pelo nível, não pelo modo: um nível que carrega MODEL_TIERS.prefersThinking também carrega um piso de minLocalTokens para que o raciocínio não possa sufocar a resposta, e apenas esses níveis usam blocos <think> (removidos antes de a resposta ser servida). O 9B usa; o 4B e o 2B não, porque nesses níveis o raciocínio consumia o mesmo orçamento de num_predict que a resposta precisava e retornava uma resposta vazia. Um think: true explícito ainda substitui, para um chamador que dimensionou max_tokens para isso. Se o modelo local falhar em uma verificação de qualidade (vazio, somente pensamento ou truncado), os níveis pagos escalam automaticamente para Gemini 3.6 Flash via portal Synalux.

Todo resultado em modo de rota é analisado localmente e verificado contra allowed_tools antes de chegar ao host. Chamadas malformadas ou não anunciadas tornam-se NO_TOOL. Com route_guard: "auto" (o padrão), os planos Standard e superiores também enviam um rascunho bem formado para uma das sete ferramentas treinadas do Prism — ou um rascunho não anunciado que pode precisar de correção — para a Synalux para correção determinística autenticada. Ferramentas de host personalizadas anunciadas permanecem locais. Defina route_guard: "local" para um caminho de rota totalmente no dispositivo.

¹ Autoexecutado em uma suíte estreita de 115 casos de seleção de ferramentas MCP, temperature: 0, medido pelo caminho de chamada que prism_infer realmente usa (/api/chat, o template de cada modelo). Isso diz que esses modelos escolhem a ferramenta certa em nossa própria avaliação, nada mais — não é uma medida de capacidade geral, nem um resultado de benchmark independente. Revisões anteriores desta tabela citavam 99,1–100% de um harness que criava manualmente um prompt ChatML com raw: true, ignorando o template; esses números descreviam um caminho que nenhum chamador exercita. Avisos completos de metodologia abaixo.

² O 9B é o único nível que raciocina antes de responder, e é medido com raciocínio habilitado: 95,7% com pensamento, 83,5% sem. prism_infer define isso por nível (MODEL_TIERS.prefersThinking), então os chamadores obtêm o caminho de 95,7% por padrão. O raciocínio custa aproximadamente 600 tokens, que é o motivo pelo qual o 9B também carrega um piso local de 2.048 tokens. Visão. As tags 2B/4B/9B incluem uma camada projector separada (0,68–0,92 GB) e leem imagens; a 27B é somente texto. prism_infer verifica a presença dessa camada e ignora um nível sem visão em vez de enviar uma imagem — se perguntado diretamente, um modelo somente texto ainda responderá com confiança sobre pixels que nunca recebeu. Testado contra os modelos reais em tests/integration/visionScreenshot.test.ts.

Esses níveis controlam a seleção automática de prism_infer, não o Ollama em si. Qualquer usuário pode executar qualquer modelo on-device baixado diretamente pelo Ollama em todos os planos.

Pesos: huggingface.co/dcostenco (GGUF público). A latência depende do tamanho do modelo e do hardware — veja Benchmarks para medir na sua própria máquina em vez de confiar em um número impresso.

Cascata

query → prism-coder:9b (local router, default)
      → prism-coder:4b (grounding verifier)
      → prism-coder:2b (iPhone / mobile, auto-selected by RAM)
      → prism-coder:27b (complex tasks, on demand)
      → Gemini 3.6 Flash cloud fallback (paid tiers, for max quality)

Verificação em Múltiplas Camadas

Saída de rotas e respostas baseadas em evidências usam portões separados. Cada nível recebe o parser de rotas local e o registro de ferramentas anunciadas; os planos Standard e superiores podem adicionar a correção determinística privada de rotas. A verificação de evidências é opt-in (ou automática quando evidências são fornecidas) e permanece separada da seleção de rotas.

Falha fechada no caminho verificado: quando o verificador de fundamentação é executado, tempo limite, ambiguidade ou evidência ausente resultam em recusa, não em passagem. Se a correção de rota paga não estiver disponível, o registro local ainda bloqueia chamadas malformadas e não anunciadas e relata uma rota preservada permitida como degradada.

Benchmarks

Os números de benchmark publicados são resumos concisos de avaliação determinística interna. Avaliadores, casos exaustivos, matrizes exatas de roteamento por nível e saídas brutas de modelos permanecem no repositório privado de engenharia e não estão incluídos no pacote npm ou na árvore pública de fontes.

Avaliação de roteamento. Em um conjunto estreito de seleção de ferramentas, a frota alcançou resultados quase saturados em três sementes. Isso mede a confiabilidade do roteamento MCP offline, não a capacidade geral do modelo.

Medido através de /api/chat com o template de cada modelo — o caminho que prism_infer usa. temperature: 0, então as três sementes apenas reordenam a ordem dos casos e não podem discordar; revisões anteriores citavam esse acordo como confirmação, o que nunca foi.

Ganho de memória (LoCoMo-Plus, autopublicado). Um benchmark separado de diálogo de contexto longo (dcostenco/Locomo-Plus) mede o quanto a memória estruturada ajuda um modelo base a reter contexto de vários dias. Os resultados mostram grandes ganhos quando um modelo é pareado com a memória Prism em vez de rodar cru. Observe que este benchmark é escrito, executado e julgado por LLM por este projeto — trate-o como uma demonstração reproduzível, não um resultado independente de terceiros, e execute-o você mesmo com os comandos naquele repositório.

Avaliação de geração de código. Em uma pequena verificação determinística de execução de julho de 2026, o 9B local passou em 2/3 tarefas; o 27B local e o Gemini 3.6 Flash cada um passou em 3/3. Este é um sinal de regressão autopublicado, não um leaderboard independente ou uma alegação de equivalência ampla de modelos.

Escalonamento para Nuvem (cloud_fallback: true)

O Prism sempre tenta um modelo local elegível primeiro. Se o portão de qualidade detectar uma resposta vazia, truncada, somente-pensamento ou em loop, os níveis pagos podem tentar novamente a solicitação através do Gemini 3.6 Flash. O roteamento do nível gratuito permanece local e relata o resultado do portão de qualidade sem fazer uma chamada de nuvem.

Por que Prism Coder

vs assistentes de codificação com IA

Os recursos do produto e os planos mudam com frequência. A comparação abaixo é intencionalmente limitada a diferenças documentadas publicamente; não é uma alegação de que outro produto não possui um recurso não listado.

Legenda: ✅ documentado, ◐ condicional ou dependente do plano, — não comparado, ? verifique com o provedor.

Termos específicos de conformidade, contratuais e de preços do Prism estão documentados no acordo de serviço Synalux. Não infira o status de HIPAA, BAA ou tratamento de dados de um concorrente a partir desta tabela.

vs ferramentas locais de IA / memória

Preços

Os níveis publicados atuais do Prism estão listados abaixo. Os preços dos concorrentes são dependentes de uso e plano, então consulte o provedor diretamente: GitHub Copilot, Cursor, e Amazon Q Developer.

Planos

Todos os modelos on-device são gratuitos para executar localmente via Ollama em todos os níveis. Uma assinatura controla recursos de nuvem, tetos mais altos de roteamento automático e limites aumentados. Os modelos on-device rodam através do seu Ollama independentemente do plano; o teto se aplica apenas à inferência em nuvem e ao roteamento automático de prism_infer.

Teste gratuito de 14 dias nos planos pagos. 25+ assentos: contate vendas

Como os agentes usam

O Prism expõe mais de 40 ferramentas MCP. O loop central de memória:

query_memory_natural — memória primeiro, fontes atuais quando necessário

Faça uma pergunta em linguagem natural em vez de escolher ferramentas separadas de memória, busca, raspagem e inferência. O Prism busca primeiro sua memória acumulada de projeto. Se nenhuma evidência útil existir, os níveis pagos executam uma busca Synalux limitada (Firecrawl, fundamentação de busca do Gemini 3.6 Google Search, depois fallback legado Brave), resolvem e preservam as URLs das fontes, raspam a página principal e pedem a um modelo local Prism Coder seguro para RAM que responda com base nessa evidência. O verificador Gemini 3.6 do nível pago verifica o rascunho antes de ser servido. Conteúdo clínico reservado ou incerto nunca entra no caminho local fundamentado na web; ele segue o limite de segurança nuvem-ou-recusa do Prism.

prism_infer — inferência local-primeiro com escalonamento para nuvem

prism_infer({
    prompt: "Write a binary search in Python",
    mode: "code",        // "route" | "chat" | "code"
    think: true,          // enable <think> reasoning (default: true for chat/code)
    model_ceiling: "27b", // use the quality tier
})
// → 27B generates code locally ($0), with thinking for quality
// → If quality gate fails + paid tier → auto-escalate to Gemini 3.6 Flash

Pensar é uma propriedade de nível, não de modo. Níveis com prefersThinking também declaram um piso de minLocalTokens que reserva orçamento para a resposta; níveis sem ele gastam toda a permissão de num_predict dentro de <think> e retornam nada. Passe think explicitamente para substituir de qualquer forma.

Assinaturas TypeScript completas estão em src/tools/; arquitetura em docs/ARCHITECTURE.md.

inference_metrics — veja seu uso de modelo local sob demanda

Chame inference_metrics a qualquer momento no meio da sessão para ver quantas chamadas prism_infer rodaram localmente vs nuvem. Use period: "all" para importar atomicamente o spool do painel Synalux VS Code e incluir sua taxa de serviço local nos totais persistidos:

📊 Inference Metrics — local-model delegation (this session):
  Total calls: 5 — Local: 5 (100%) | Cloud: 0 (0%)
  Tokens: 1,240 in + 380 out = 1,620 total
  Avg latency: 420ms
  By model:
    prism-coder:27b: 3 calls, 1,100 tokens, avg 520ms
    prism-coder:9b: 2 calls, 520 tokens, avg 270ms

O mesmo bloco também aparece automaticamente nas respostas de session_save_ledger e session_save_handoff no final da sessão.

Nota: A visualização padrão da sessão rastreia a delegação de prism_infer deste processo MCP. A visualização de todos os tempos combina chamadas MCP persistidas com inferência do painel Synalux VS Code. Nenhuma visualização inclui o gasto de tokens do próprio agente host; use o relatório de uso nativo desse host quando disponível.

Delegação de modelo local (padrão)

O Prism roteia trabalho limitado qualificado — classificação em massa, extração de campos, formatação mecânica, geração de testes e tarefas semelhantes — para modelos locais Ollama antes de qualquer subagente nativo do host. O agente verifica gate_outcome, valida o resultado e continua no thread atual do host quando o trabalhador local está indisponível, recusou ou degradou.

Passe a memória do projeto quando a subtarefa depende de trabalho anterior:

{
  "prompt": "Generate the bounded regression-test cases.",
  "project": "prism-mcp",
  "context_depth": "standard",
  "conversation_id": "<from session_bootstrap>",
  "mode": "code",
  "cloud_fallback": false,
  "escalation": "report"
}

Omita context_depth para usar a configuração do painel. Desative o alternador de Roteador de Tarefas do painel ou defina PRISM_TASK_ROUTER_ENABLED=false para uma exclusão explícita.

Proteções:

• Local por padrão — uma exclusão explícita do operador é preservada
• Nunca delega: código/texto que vai para o usuário, lógica de segurança/proteção, planejamento/raciocínio, qualquer coisa onde uma queda silenciosa de qualidade não seja óbvia
• Sempre verifica: verifica quality_gate_failed e used_cloud antes de confiar na saída local

CLI

prism load <project>      # load session context
prism save                # save ledger + handoff
prism search <query>      # search code across repos (exact / regex / symbol / semantic)
prism review <files...>   # AI code review — security, performance, style
prism scan <files...>     # security scan — secrets, licenses, Dockerfile
prism browser ...         # persistent local browser testing and structured automation
prism push                # push local SQLite to the cloud backend
prism register-models     # alias dcostenco/prism-coder:* -> prism-coder:*

prism browser — teste de navegador local

O pacote npm inclui o executor de navegador Python/Playwright do Prism; não é necessário um aplicativo Prism Browser ou DMG separado. Ele adiciona uma CLI estável voltada para agentes em torno do Playwright, com perfis nomeados reutilizáveis, sessões pipe/REPL de múltiplas ações, logs de auditoria locais editados e scripts de pré-carregamento protegidos para aplicativos locais. Use o modo pipe ou REPL quando várias ações precisarem compartilhar uma sessão de página:

printf 'open http://127.0.0.1:3000\nwait-for #app\nread-dom #app\n' | \
  prism browser --headless --local-only pipe

Aplicativos locais podem carregar auxiliares de teste repetíveis de pré-navegação com --inject ./tests/browser-init.js. Injeção personalizada requer --local-only; navegação pública e solicitações não-loopback são rejeitadas nesse modo. Instale o runtime local uma vez com pip3 install playwright playwright-stealth e python3 -m playwright install chromium.

Use Playwright puro para suítes autoradas que precisam de suas APIs completas de asserção, rastreamento, fixtures e workers paralelos. Use prism browser quando um agente de IA precisar de uma sessão de navegador local pequena, persistente e auditável por meio de uma CLI consistente. Os patches de compatibilidade são de melhor esforço; não são uma garantia de bypass de CAPTCHA. Veja teste local do Prism Browser para a superfície de comandos, o modelo de segurança e os casos de aceitação verificados.

prism search — busca semântica de código

prism review — revisão de código com IA e verificações HIPAA

prism scan — scanner de segurança para segredos, Dockerfiles, licenças

Ferramentas complementares

O Prism funciona junto com estas ferramentas — use a que melhor se adequa ao seu fluxo de trabalho.

Web IDE — Prism Coder

Uma IDE baseada em navegador em synalux.ai/coder. Importe qualquer repositório do GitHub e obtenha:

• Editor Monaco com múltiplas abas, visualização dividida, realce de sintaxe e atalhos de teclado do VS Code
• Node.js no navegador via WebContainer (seu código roda no sandbox do navegador, não em um servidor)
• Terminal integrado — shell WebContainer no navegador; PTY de servidor opcional via WebSocket quando conectado a um servidor de desenvolvimento
• Modo Agente de IA — descreva uma tarefa e o agente cria arquivos, executa verificações de tipo e valida
• Controle de versão — commit, branch, push/pull, stash, blame, gerenciamento de tags
• Live Share — edição colaborativa em tempo real com links de sessão
• Depurador Node.js via Chrome DevTools Protocol
• Executor de tarefas (compatível com tasks.json do VS Code), painel de Problemas (diagnósticos do Monaco)
• i18n em 12 idiomas — localização completa da interface

Os planos Standard+ incluem IA na nuvem e limites de taxa mais altos. O nível gratuito funciona com Ollama local. A execução de código usa o WebContainer no navegador por padrão; o Live Share e o terminal PTY opcional conectam-se a servidores externos quando habilitados explicitamente.

Extensão VS Code — Synalux

IA com memória aumentada dentro do VS Code, com recursos de gerenciamento de prática clínica. Instale pelo marketplace:

code --install-extension synalux-ai.synalux

Chat de IA, entrada por voz, gerador de notas SOAP, colaboração em equipe e videochamadas — tudo dentro do VS Code. Roteia pelo Ollama local por padrão; nuvem nos níveis pagos.

Prism AAC

Aplicativo de comunicação para usuários não falantes, alimentado pela frota prism-coder no dispositivo para previsão de frases. macOS / iOS / web.

Veja github.com/dcostenco/prism-aac

Git Hooks (Portable)

Hooks de segurança pre-commit e pre-push que funcionam com qualquer editor, qualquer ferramenta de IA e CLI direta. Sem dependência do Claude Code.

# Install in all repos (one-time)
bash hooks/install.sh

# Or install manually in a single repo
cp hooks/pre-commit .git/hooks/pre-commit && chmod +x .git/hooks/pre-commit
cp hooks/pre-push .git/hooks/pre-push && chmod +x .git/hooks/pre-push

O modo padrão é advisory (avisar mas permitir). Defina *_MODE=block para aplicação rígida. Os hooks procuram scripts de auditoria completos no repositório primeiro (hooks/lib/), depois o fallback ~/.claude/hooks/, e então verificações inline mínimas.

Self-hosting (Enterprise)

Execute a pilha completa de modelos no seu próprio hardware — sem nuvem, soberania total dos dados.

Requisitos: Mac M2 Pro+ (48 GB recomendado) ou Linux + GPU NVIDIA, além de Ollama.

ollama pull dcostenco/prism-coder:9b       # default router
export LOCAL_LLM_URL=http://localhost:11434

O roteamento auto-hospedado permanece local: 9b → 4b em desktop/servidor e 2b em mobile/iPhone, com 27B disponível quando instalado e seguro para RAM. Os níveis pagos hospedados pela Synalux podem usar o Gemini 3.6 Flash como fallback na nuvem. Para iOS ou outra máquina na mesma rede, execute OLLAMA_HOST=0.0.0.0 ollama serve e aponte LOCAL_LLM_URL para o IP do host.

Referência de configuração

Sem variáveis definidas, o Prism roda totalmente local. Com uma assinatura ativa de memória na nuvem, defina PRISM_SYNALUX_API_KEY (e deixe PRISM_STORAGE=auto) para usar o backend da Synalux; um nível gratuito confirmado pelo portal permanece no SQLite local.

Testes

npm test                 # full suite (vitest) — 95 files, 2841 tests
npm test -- --coverage   # coverage report

A cobertura abrange recuperação HRR, ingestão de conhecimento, a cascata de inferência e o verificador de fundamentação, métricas de inferência, allowlist de telemetria, gate de delegação, compactação, o seletor de modelos e round-trips de armazenamento.

Migração: local para nuvem

Para mover o histórico do nível gratuito para o portal pago:

node scripts/migrate-local-to-portal.mjs --dry-run        # preview, no network
PRISM_SYNALUX_API_KEY=synalux_sk_... \
  node scripts/migrate-local-to-portal.mjs                # push ledger + handoffs

Ele lê ~/.prism-mcp/data.db e envia (POST) entradas para o portal. As entradas do ledger são somente anexação e deduplicadas no servidor; as transferências usam last-write-wins por projeto. Reexecutar no mesmo banco de dados é seguro. Esta é uma migração única, não um daemon de sincronização — depois dela, defina PRISM_STORAGE=synalux (ou deixe em auto).

Licença e níveis

Este repositório (o cliente MCP Prism) é licenciado sob Apache-2.0.

Gratuito (sem conta)

Pago (assinatura Synalux)

Tudo do nível Gratuito, mais:

O nível pago adiciona roteamento inteligente — o portal Synalux determina quais skills são relevantes para o seu projeto e prompt atuais, para que seu agente receba expertise de domínio (padrões de stripe, protocolos de treinamento, padrões clínicos) em vez de carregar tudo. Usuários gratuitos com o repositório podem executar sync-skills.sh para popular todas as skills localmente; o roteamento pago adiciona seleção ciente do projeto e do prompt.

• Contribuições exigem a assinatura do CLA.
• "Prism" e "Synalux" são nomes comerciais da Synalux LLC; a licença Apache não concede direitos de marca registrada (veja §6 da licença).

Mudança de licença (v20)

A partir deste lançamento, o prism-mcp é relicenciado de AGPL-3.0 para Apache-2.0. Versões anteriores permanecem sob AGPL-3.0. Forks existentes mantêm todos os direitos recebidos sob a licença original.

Este repositório é licenciado sob Apache-2.0. Os recursos de nuvem (inferência hospedada, memória entre dispositivos, recursos de equipe) são fornecidos pelo serviço de nuvem da Synalux sob termos separados.

© 2026 Synalux, LLC.